ИЗВЕСТИЯ ЮГО-ЗАПАДНОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА

Цель исследования. Целью работы является исследование и разработка методов локализации сверхлегкого беспилотного летательного аппарата (БПЛА) в насыщенной объектами замкнутой среде, основанных на симантико-топологических данных, получаемых из окружения. Целью работы также явля-ется разработка программного обеспечения и выбор аппаратного комплекса для запуска и опробации разработанного решения.

Методы. Для реализации поставленной цели были проведен обзор и сравнение существующих решений. Оптимизация архитектуры нейронной сети для детектирования объектов. Разработка алгоритма составления графа объектов, отражающего их взаимосвязи. Разработка алгоритма сравнения графов для определения положения БПЛА. Внедрение решения по повышению точности определения геометрического центра задетектированных объектов. Использование методов определения ключевых точек (SIFT, SURF) для решения проблемы идентификации объектов одного класса.

Результаты. Результатом работы является разработанный метод локализации, на основе симантико-топологических данных, получаемых из окружения. Также разработан пакет программного обеспечения, основанный на платформе ROS2 humble, и реализованный на аппаратной части, основанной на плате Rockchip 3588. Эксперименты проводились на готовых наборах данных (KUM dataset) и с использованием БПЛА в помещении.

Заключение. Разработанная система локализации представляет собой перспективный шаг в направлении создания эффективных и гибких систем, способных работать в сложных условиях. В будущем планируется интегрировать данный метод с другими датчиками для повышения робастности в динамичных условиях, добавить алгоритмы визуальной одометрии для повышения точности локализации БПЛА, и расширить применение системы на БПЛА, используемых в других отраслях (инспекция инфраструктуры, поиск и спасение).

Цель исследования. Разработка программного кода на языке программирования C#, реализующего алгоритм распознавания формы геометрических объектов на входном изображении при обеспечении надежности этого вычислительного процесса.

Методы. Алгоритм распознавания геометрических форм объектов основан на сочетании традиционных методов обработки изображений и интеллектуальных правил, определяющих вид геометрической формы объекта в зависимости от характеристик контуров, таких как моменты, количество их сторон и т.д. Для реализации данного метода в статье предлагается последовательность математических операций, включающая следующие этапы. Во-первых, метод включает операции размытие, преобразование исходного изображения в градации серого и инвертирование. На втором этапе осуществляется детектирование контуров и определение их характеристик, таких как моменты, периметр и др. На финальном этапе в зависимости от числа сторон, входящих в структуру контура, на основе интеллектуальных правил осуществляется сопоставление каждого найденного контура определенной геометрической фигуры.
Результаты. Разработаны алгоритм и инструкции создания программного кода для программной реализации процесса распознавания геометрической формы объектов. Определено, что предложенный алгоритм имеет высокую надежность, составляющую порядка 97%.
Заключение. Традиционные методы обработки изображений, такие как размытие и преобразование в градации серого, могут успешно сочетаться с методами выделения контуров и определения их геометрических характеристик. Подобная синергия методов обработки изображений позволяет создать алгоритм распознавания геометрических форм. Важно учитывать, что надежность и эффективность подобного алгоритма зависит от настройки пороговых значений, используемых в функциях обработки изображений, и дальнейшее исследование их характеристик может привести к улучшению результатов рассмотренного в статье алгоритма.