Усовершенствованная методика совмещения изображений городской местности при съемке беспилотным летательным аппаратом

Обложка

Цитировать

Полный текст

Аннотация

Актуальность. Сокращение вычислительной сложности процедуры совмещения изображений является актуальной областью исследования. В статье рассматривается задача обработки изображений городской местности, полученных при съемке беспилотным летательным аппаратом. Разработка быстродействующей методики совмещения позволит строить цифровую карту местности по изображениям, снимаемым несколькими летательными аппаратами за ограниченное время (в идеале в режиме реального времени), что может быть использовано для решения оперативных задач.Цель (исследования). Снижение вычислительной сложности процедуры совмещения за счет предварительной оценки параметров по ограниченной выборке так называемых точек интереса.Методы: аналитический обзор релевантных научных публикаций, эксперимент, алгоритмизация.В ходе решения научной задачи была разработана методика совмещения изображений, снятых беспилотным летательным аппаратом, для создания цифровой карты местности; была предложена модификация ранее разработанной методики, позволяющая снизить вычислительную сложность при обработке изображений, основанная на предположении об ограниченности диапазона изменения параметров трансформаций; отмечено преимущество усовершенствованной методики и удовлетворительные результаты проверки на данных натурной видеосъемки.Результат. Предложена усовершенствованная методика совмещения изображений, которая характеризуется меньшим временем обработки, чем исходная. Экспериментальная проверка показала снижение времени в два раза (с 50 до 23 с), а также удовлетворительный результат совмещения 100 пар снимков. Научная новизна работы определяется авторским подходом к сужению диапазона коэффициента масштабирования и угла поворота при сопоставлении фрагментов совмещаемых изображений. Подход предложен впервые.Значимость (теоретическая). Было подтверждено предположение, что фрагменты изображения городской местности, снятые беспилотным летательным аппаратом, имеют ограниченный диапазон трансформации по коэффициенту масштабирования и углу поворота.Значимость (практическая). Результаты исследований могут быть использованы при создании системы технического зрения для формирования цифровой карты местности в режиме реального времени, обеспечивающей решение оперативных задач по обнаружению и отслеживанию перемещения объектов интереса.

Об авторах

А. А. Диязитдинова

Поволжский государственный университет телекоммуникаций и информатики

Email: a.diyazitdinova@psuti.ru
ORCID iD: 0000-0001-8940-4543
SPIN-код: 7875-1573

Список литературы

  1. Федосов В.П., Ибадов Р.Р., Ибадов С.Р. Модифицированный метод постобработки карты глубины изображений для задач безаварийного вождения беспилотных летательных аппаратов в городской инфраструктуре // Радиотехника. 2023. Т. 87. № 9. С. 113–123. doi: 10.18127/j00338486-202309-10. EDN:TTOLWC
  2. Васильева Д.В., Дворников С.В. Структуризация первичных признаков изображений систем мониторинга окружающей среды // Радиотехника. 2024. Т. 88. № 8. С. 5–17. doi: 10.18127/j00338486-202408-01. EDN:CXJBDK
  3. Наумов И.И., Ибадов Р.Р., Трехсвятский П.В., Азнабаев М.И. Применение беспилотных летательных аппаратов для осмотра линий электропередач // Радиотехника. 2025. Т. 89. № 3. С. 169–180. doi: 10.18127/j00338486-202503-15. EDN:OJDJYE
  4. Lowe D.G. Object recognition from local scale-invariant features // Proceedings of the 7th International Conference on Computer Vision (ICCV, Kerkyra, Greece, 20–27 September 1999). IEEE, 1999. PP. 1150–1157. doi: 10.1109/ICCV.1999.790410
  5. Bay H., Tuytelaars T., Gool L.V. SURF: Speeded up robust features // Proceedings of the 9th European Conference on Computer Vision (ECCV, Graz, Austria, 7–13 May 2006). Lecture Notes in Computer Science. 2006. Vol. 3951. PP. 404–417. doi: 10.1007/11744023_32
  6. Raguram R., Frahm J.M., Pollefeys M. A Comparative Analysis of RANSAC Techniques Leading to Adaptive Real-Time Random Sample Consensus // Proceedings of the 10th European Conference on Computer Vision (ECCV, Marseille, France, 12–18 October 2008). Lecture Notes in Computer Science. Berlin, Heidelberg: Springer, 2008. Vol. 5303. PP. 500–513. doi: 10.1007/978-3-540-88688-4_37
  7. Ефимов А.И., Новиков А.И. Алгоритм поэтапного уточнения проективного преобразования для совмещения изображений // Компьютерная оптика. 2016. Т. 40. № 2. С. 258–265. doi: 10.18287/2412-6179-2016-40-2-258-265. EDN:VWWCHP
  8. Сунгатуллина Д., Крылов А. Быстрый алгоритм совмещения контуров изображений, связанных изотропным аффинным преобразованием // 24-я Международная конференция по компьютерной графике и зрению (Графикон'2014, Ростов-на-Дону, Российская Федерация, 30 сентября – 03 октября 2014). Автономная некоммерческая организация Научное общество «Графикон», 2014. С. 92–95. EDN:ZBWXUN
  9. Volegov D.B., Yurin D.V. Rough image registration via detected straight lines // Proceedings of the 16th International Conference on Computer Graphics and Vision (GraphiCon 2006, Novosibirsk, Russian Federation, 01–05 July 2006). 2006. PP. 463–466. EDN:RLZMQD
  10. Гошин Е.В., Котов А.П., Фурсов В.А. Двухэтапное формирование пространственного преобразования для совмещения изображений // Компьютерная оптика. 2014. Т. 38. № 4. С. 886–891. doi: 10.18287/0134-2452-2014-38-4-886-891. EDN:TCGBNN
  11. Осипов О.В., Диязитдинова А.А. Совмещение сигналов для повышения качества телевизионного изображения многокамерной системы видеонаблюдения // Радиотехника. 2020. Т. 84. № 12(23). С. 72–78. doi: 10.18127/j00338486-202012(23)-08. EDN:ZVQUIB
  12. Диязитдинова А.А. Усовершенствование методики проективного совмещения изображений // Инфокоммуникационные технологии. 2022. Т. 20. № 4. С. 89–96. doi: 10.18469/ikt.2022.20.4.12. EDN:TDSXFE
  13. Ташлинский А.Г., Коваленко Р.О., Ибрагимов Р.М. Использование взаимной информации как меры подобия при стохастической привязке изображений // VII Международная конференция и молодежная школа «Информационные технологии и нанотехнологии» (ИТНТ-2021, Самара, Российская Федерация, 20–24 сентября 2021). Самара: Самарский национальный исследовательский университет имени академика С.П. Королева, 2021. С. 20882-1–20882-2. EDN:NXXCXP
  14. Диязитдинова А.А. Повышение помехоустойчивости при оценке параметров проективного совмещения телевизионных сигналов // Физика волновых процессов и радиотехнические системы. 2021. Т. 24. № 1. С. 58–66. doi: 10.18469/1810-3189.2021.24.1.58-66. EDN:BYZTCS
  15. Диязитдинова А.А. Критерии совмещения изображений в двухкамерной системе технического зрения // Радиоэлектроника. Наносистемы. Информационные технологии. 2024. Т. 16. № 2. С. 307–314. doi: 10.17725/rensit.2024. 16.307. EDN:BBZVWW

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).