Сопоставление изображений с широкой базовой линией и отслеживание траектории БПЛА при его приближении к окну здания
https://doi.org/10.17285/0869-7035.0012
Аннотация
Статья посвящена вопросам приближения автономного беспилотного летательного аппарата (БПЛА) к цели, заданной по эталонному изображению. Предложен устойчивый алгоритм сопоставления для достоверного проецирования выбранной точки эталонного изображения на снимки, полученные с камеры квадрокоптера в режиме реального времени. Чтобы выделить дополнительные ключевые точки и обеспечить инвариантность внеплоскостных перспективных преобразований, осуществляются трансформации проекций эталонных изображений. Поскольку алгоритм сопоставления не использует существенные характеристики последовательностей изображений и время его обработки слишком велико для высокой частоты смены кадров, то дополнительно вводится алгоритм отслеживания. Удалось добиться высокой частоты обнаружений даже для последовательностей изображений, полученных со значительно отличающихся ракурсов. Таким образом, предложенный алгоритм можно использовать для обеспечения входных данных для алгоритма управления движением БПЛА.
Об авторах
К. Мюллер
Институт оптимизации систем Технологического института Карлсруэ.
Германия
Германия
Мюллер Карстен. Аспирант
Дж. Атман
Институт оптимизации систем Технологического института Карлсруэ
Германия
Германия
Атман Джамаль. Аспирант
Г. Ф. Троммер
Технологический институт Карлсруэ (Германия), Университет ИТМО (С.-Петербург, Россия)
Россия
Россия
Троммер Герт Франц. Профессор. Действительный член общественного объединения «Академия навигации и управления движением».
Список литературы
1. Hartley, R. and Zisserman, A., Multiple View Geometry in Computer Vision, 2nd ed., Cambridge University Press, 2003.
2. Lowe, D.G., Distinctive image features from scale-invariant keypoints, International Journal of Computer Vision, 2004, pp. 91–110.
3. Bay, H., Tuytelaars, T. and van Gool, L., SURF: Speeded up robust features, Proc. 9th European Conference on Computer Vision (ECCV), Graz, Austria, May 7-13, 2006, Part I, 2006, pp. 404–417.
4. Rublee, E., Rabaud, V., Konolige, K. and Bradski, G., ORB: An efficient alternative to SIFT or SURF, Proc. 2011 International Conference on Computer Vision, 2011, pp. 2564–2571.
5. Ferrari, V., Tuytelaars, T. and van Gool, L., Wide-baseline multiple-view correspondences, Proc. 2003 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2003, pp. 718–725.
6. Morel, J.-M. and Yu, G., ASIFT: A new framework for fully affine invariant image comparison, SIAM Journal on Imaging Sciences, 2009, vol. 2, no. 2, pp. 438–469.
7. Lin, W.Y. et al., CODE: Coherence based decision boundaries for feature correspondence, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2018, vol. 40, no. 1, pp. 34–47.
8. Codreanu, V. et al., GPU-ASIFT: A fast fully affine-invariant feature extraction algorithm, Proc. 2013 International Conference on High Performance Computing Simulation (HPCS), 2013, pp. 474–481.
9. Fischler, M.A. and Bolles, R.C., Random sample consensus: A paradigm for model fitting with applications to image analysis and automated cartography, Communications of the ACM, 1981, vol. 24, no. 6, pp. 381–395.
10. Zhang, W. and Kosecka, J., Generalized RANSAC framework for relaxed correspondence problems, Proc. Third International Symposium on 3D Data Processing, Visualization, and Transmission, 2006, pp. 854–860.
11. Bay, H., Ferraris, V. and van Gool, L., Wide-baseline stereo matching with line segments, Proc. 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’05), 2005, pp. 329–336.
12. Wang, L., Neumann, U. and You, S., Wide-baseline image matching using line signatures, Proc. 2009 IEEE 12th International Conference on Computer Vision, 2009, pp. 1311–1318.
13. Goedeme, T., Tuytelaars, T. and van Gool, L., Fast wide baseline matching for visual navigation, Proc. 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2004, pp. 24–29.
14. Zhai, Y., Guo, X., He, P. and Han, D., Wide-baseline matching based on line intersection features, Proc. 10th International Conference on Digital Image Processing (ICDIP 2018), Shanghai, 2018. DOI: 10.1117/12.2502982.
15. Lee, J.A., Yow, K.C. and Chia, A.Y.S., Robust matching of building facades under large viewpoint changes, Proc. 2009 IEEE 12th International Conference on Computer Vision, 2009, pp. 1258–1264.
16. Mueller, K., Kleis, R. and Trommer, G.F., Wide baseline matching for autonomous approaches of MAVs, Proc. 2018 IEEE/ION Position, Location and Navigation Symposium (PLANS), Monterey, CA, USA, 2018, pp. 801–808.
17. Li, X. and Wang, J., Image matching techniques for vision-based indoor navigation systems: performance analysis for 3D map based approach, Proc. 2012 International Conference on Indoor Positioning and Indoor Navigation (IPIN), 2012, pp. 1–8.
18. Smith, J.R. and Chang, S.-F., Single color extraction and image query, Proc. International Conference on Image Processing, 1995, pp. 528–531.
19. Niblack, W. et al., The QBIC Project: Querying Images by Content Using Color, Texture, and Shape, IBM Research Division, 1993.
20. Bouguet, J.-Y., Pyramidal Implementation of the Affine Lucas Kanade Feature Tracker: Description of the Algorithm, Intel Corporation, 2001.
Рецензия
Для цитирования:
Мюллер К., Атман Д., Троммер Г. Сопоставление изображений с широкой базовой линией и отслеживание траектории БПЛА при его приближении к окну здания. Гироскопия и навигация. 2019;27(4):52-68. https://doi.org/10.17285/0869-7035.0012
For citation:
Mueller K., Atman J., Trommer G. Combination of Wide Baseline Image Matching and Tracking for Autonomous UAV Approaches to a Window. Giroskopiya i Navigatsiya. 2019;27(4):52-68. (In Russ.) https://doi.org/10.17285/0869-7035.0012
Просмотров:
0
Послать статью по эл. почте 