РАЗРАБОТКА Y-ДЕСКРИПТОРА ДЛЯ СИСТЕМЫ ТЕХНИЧЕСКОГО ЗРЕНИЯ ПРИВЯЗНОГО МУЛЬТИКОПТЕРА НА ОСНОВЕ МЕТОДА КЛЮЧЕВЫХ ТОЧЕК
DOI:
https://doi.org/10.56132/2791-3368-2026-2-66-124-153Ключевые слова:
привязной БПЛА, дескриптор, автономная навигация, ключевая точка, техническое зрение, искусственный интеллектАннотация
В статье дается общая характеристика привязных мультикоптеров, приводятся их основные функциональные возможности, ставится задача разработки системы автономной навигации для использования в одном из сложных процессов функционирования привязных БПЛА – его посадки на землю. Для разработки системы автономной навигации предлагается использование технологии ключевых точек. Проведен краткий обзор детекторов и дескрипторов ключевых точек. Показано, что в качестве детектора ключевых точек можно использовать детектор FAST. Однако для построения дескриптора была использована математическая модель метода Y-преобразований в задачах оптимизации нелинейных функций, которая легла в основу построения собственного дескриптора ключевых точек - Y-дескриптора. Приведены результаты практического использования разработанного Y-дескриптора для решения задачи автономной навигации БПЛА. Разработанный новый метод определения ключевых точек может быть использован в системах технического зрения привязных беспилотных летательных аппаратов для решения задач посадки в качестве альтернативы штатным системам GPS.
Скачивания
Библиографические ссылки
1. Leading Global Suppliers. Tethered Drones. [Электронный ресурс]: https://www.unmannedsystemstechnology.com/expo/tethered-drones-uavs/ (дата обращения: 01.06.2026).
2. Kai Zhang, Wangmeng Zuo, Yunjin Chen, Deyu Meng, Lei Zhang. Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising. IEEE Transactions on Image Processing, Vol. 26, No. 7, pp. 3142-3155. 2017. 10.1109/TIP.2017.2662206
3. Chao Dong, Chen Change Loy, Kaiming He, Xiaoou Tang. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 38, No. 2, pp. 295-307. 20016. 10.1109/TPAMI.2015.2439281.
4. Olaf Ronneberger, Philipp Fischer, Thomas Brox. Medical Image Computing and Computer-Assisted Intervention – MICCAI 2015, Lecture Notes in Computer Science, Vol. 9351, pp. 234-241. Springer, Cham. 10.1007/978-3-319-24574-4_28
5. Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 770-778. 2016. 10.1109/CVPR.2016.90
6. R. Archana, P. S. Eliahim Jeevaraj. Deep learning models for digital image processing: a review. Artificial Intelligence Review, Vol. 57, Article number 11. 2024. 10.1007/s10462-023-10631-z
7. Milos Radovic, Offir Adato, Natan S. Kopeika, Roman Bligh. Object Recognition in Aerial Images Using Convolutional Neural Networks. Journal of Imaging, Vol. 3, No. 2, Article 21. 2017. 10.3390/jimaging3020021
8. Andy Couturier, Moulay A. Akhloufi. Convolutional neural networks and particle filter for UAV localization. Proceedings of SPIE 11758, Real-Time Image Processing and Deep Learning 2021, 117580G. 2021. 10.1117/12.2585986
9. Gengyu Wang, Xianping Fu. A Convolutional Neural Network Image Compression Algorithm for UAVs. Journal of Circuits, Systems and Computers, Vol. 33, No. 12, Article 2450211. 2024. 10.1142/S0218126624502116.
10. Radoki S. M. M., Akhloufi M. A., Couturier A. Drone Model Classification Using Convolutional Neural Network Trained on Synthetic Data. Journal of Imaging, Vol. 8, No. 8, Article 218. 2022. 10.3390/jimaging8080218.
11. (5) Gabriel Silva de Oliveira, José Marcato Junior, Caio Polidoro, Wesley Gonçalves, Mateus Santos, Edson Matsubara, et al. Convolutional Neural Networks to Estimate Dry Matter Yield in a Guineagrass Breeding Program Using UAV Remote Sensing. Sensors, Vol. 21, No. 12, Article 3971. 2021. 10.3390/s21123971.
12. Chunyuan Cui, Juntong Fan, Xuanyao Zhao, Jianing Song, Leyuan Sun. An Improved ORB-SLAM3 System for UAV Localization and Mapping in GPS-Denied Environments. Drones, Vol. 8, No. 4, Article 132. 2024. 10.3390/drones8040132.
13. Muhammad Aamir, Zhao Jianqiang, Muhammad Ali, Saeed Ahmed, Muhammad Irfan. An Automated UAV Image Stitching Approach Based on Improved SIFT Features. IEEE Access, Vol. 9, pp. 62451-62461. 2021. 10.1109/ACCESS.2021.3073981.
14. Runwei Guan, Jinrong Hu, Yifei Huang, Liting Sun, Paolo Santi, Carlo Ratti. Deep Learning-Based Keypoint Detection and Matching for UAV Thermal Images. Remote Sensing, Vol. 15, No. 18, Article 4429. 2023. 10.3390/rs15184429
15. Rodehorst V., Koschan A. Comparison and evaluation of feature point detectors, 2006
16. Tinne Tuytelaars, Krystian Mikolajczyk. Local Invariant Feature Detectors: A Survey, 2008
17. Детектор Kitchen-Rosenfeld. L. Kitchen and A. Rosenfeld. Gray Level Corner Detection. Pattern Recognition Letters, pp. 95-102, 1982
18. Moravec, H. Rover visual obstacle avoidance // In International Joint Conference on Artificial Intelligence, Vancouver, Canada, 1981, pp. 785-790.
19. Детектор COP (Crosses as Oriented Pair). S.C. Bae, I.S. Kweon and C.D. Yoo. COP: a new corner detector. Pattern Recogn. Lett. 2002
20. E. R. a. T. Drummond. Fusing Points and Lines for High Performance Tracking, 2005
21. David G. Lowe. Distinctive Image Features from Scale-Invariant Keypoints, 2004
22. Шакенов А.К. Сравнение детекторов особых точек изображений и оценка их статистических характеристик. Журнал “Автометрия”, 2021. Т.57, №1
23. Клейнберг Дж., Тардос Е. Алгоритмы: разработка и применение. Классика Computers Science / Пер. с англ. Е. Матвеева. – СПб.: Питер, 2016. – 800 с
24. Системы компьютерного зрения: современные задачи и методы [Электронный ресурс]/Режим доступа: http://controleng.ru/innovatsii/sistemy-komp-yuternogo-zreniya-sovremenny-e-zadachi-metody/(дата обращения: 01.06.2025)
25. Паттерн посредник [Электронный ресурс]/Режим доступа: https://refactoring.guru/ru/design-patterns/mediator; A tutorial on binary descriptors [Электронный ресурс]/Режим доступа: https://gilscvblog.com/2013/10/04/a-tutorial-on-binary-descriptors-part-3-the-orb-descriptor/ (дата обращения: 01.06.2025)
26. Just look at the image: viewpoint-specific surface normal prediction for improved multi-view reconstruction [Электронный ресурс]/Режим доступа: https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Galliani_Just_Look_at_CVPR_2016_paper.pdf (дата обращения: 16.04.2025)
27. James L. Pro JavaFX 2/ L. James, G. Weiqi, C. Stephen, I. Dean, V. Johan. – Apress, 2012. – 641 p.
28. Feature detection and description [Электронный ресурс]/Режим доступа: https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_feature2d/py_table_of_contents_feature2d/py_table_of_contents_feature2d.html (дата обращения: 16.04.2025)
29. ORB: Oriented FAST and Rotated BRIEF [Электронный ресурс]/Режим доступа: http://www.willowgarage.com/sites/default/files/orb_final.pdf (дата обращения: 16.04.2025)
30. Introduction to SURF [Электронный ресурс]/Режим доступа: https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_feature2d/py_surf_intro/py_surf_intro.html (дата обращения: 16.04.2025)
31. What is KeyPoint Detection? [Электронный ресурс]/Режим доступа: https://translated.turbopages.org/proxy_u/en-ru.ru.ead253e4-67ff9724-ab1a850e-74722d776562/https/www.geeksforgeeks.org/what-is-keypoint-detection/ (дата обращения: 16.04.2025)
32. Чичинадзе В.К. Решение невыпуклых нелинейных задач оптимизации. - М.: Наука. Главная редакция физико-математической литературы. 1983. – 256 с.
33. Кадиркулов Ш.К., Оспанов Ж.Ш., Бекмурзаев Б.Ж., Бекмухамедов Б.Э., Анетбаев А.А. Объектно-ориентированное моделирование с использованием диаграмм UML для разработки имитационной модели автономной системы навигации БПЛА. Научные труды военно-инженерного института радиоэлектроники и связи. Военный научно-технический журнал. №3 (65), 2026 г.
