Автоматическое распознавание зданий сложной формы при навигации микролетательных аппаратов
https://doi.org/10.17285/0869-7035.2014.22.4.099-110
Аннотация
В районах с ослабленным приемом сигналов GPS, например в городских условиях, необходимо использовать альтернативные способы коррекции показаний инерциальных навигационных систем (ИНС). Обсуждается задача использования при навигации микролетательных аппаратов (МЛА) в качестве ориентиров зданий, выделенных на аэроснимках. В статье представлен новый метод решения этой задачи. Для реализации предложенного алгоритма на борту МЛА в процессе полета необходимо, чтобы соответствующие вычисления выполнялись быстро и автоматически, без перенастройки параметров оператором. В целях обеспечения максимально широкого диапазон применений алгоритма не налагается никаких ограничений на параметры зданий, что позволяет распознавать различные типы зданий сложной формы.
Статья по докладу на XXI Санкт-Петербургской международной конференции по интегрированным навигационным системам.
Об авторах
М. Попп
Институт оптимизации систем, Технологический институт Карлсруэ
Германия
Германия
Попп Мануэль, дипломированный инженер, научный сотрудник.
Р. Гранахер
Институт оптимизации систем, Технологический институт Карлсруэ
Германия
Германия
Гранахер Роман, Бакалавр, практикант.
Г. Ф. Троммер
Институт оптимизации систем, Технологический институт Карлсруэ
Германия
Германия
Троммер Герт Франц, доктор технических наук, профессор, директор. Действительный член общественного объединения «Академия навигации и управления движением».
Список литературы
1. Comport, A, Malis, E and Rives, E. Accurate quadrifocal tracking for robust 3d visual odometry. IEEE International Conference on Robotics and Automation. 2007.
2. Howard, A. Real-time stereo visual odometry for autonomous ground vehicles // IEEE International Conference on Intelligent Robots and Systems. 2008.
3. Matthies, L and Shafer, S. Error modeling in stereo navigation // IEEE Journal of Robotics and Automation. 1987.
4. Milella, A and Siegwart, R. Stereo-based ego-motion estimation using pixel tracking and iterative closest point // IEEE International Conference on Computer Vision Systems. 2006.
5. Lacroix, S, et al. Rover self localization in planetary-like environments: International Symposium on Artificial Intelligence, Robotics, and Automation for Space. 1999.
6. Nistér, D, Naroditsky, O and Bergen, J. Visual odometry for ground vehicle applications // Journal of Field Robotics. 2006.
7. Campbell, Jason, Sukthankar, Rahul and Pahwa, Aroon. A Robust Visual Odometry and Precipice Detection System Using Consumergrade Monocular Vision // IEEE International Conference on Robotics and Automation. 2005.
8. Tardif, J, Pavlidis, K and Daniilidis, K. Monocular visual odometry in urban environments using an omnidirectional camera // IEEE/RSJ International Conference on Intelligent Robots and Systems, 2008.
9. Stradsdat, Hauke, Montiel, J M and Davison, Andrew J. Scale drift-aware large scale monocular slam. Proceedings of the Robotics: Science and Systems Conference. 2010.
10. Davison, A J, et al. Real-time single camera slam // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2007.
11. Abdulrahim, K, et al. Aiding MEMS IMU with building heading for indoor pedestrian navigation. Ubiquitous Positioning Indoor Navigation and Location Based Service. 2010.
12. Kummerle, R, et al. Large scale graph-based SLAM using aerial images as prior information // Proceedings of Robotics: Science and Systems. 2009.
13. Leung, Keith, Clark, Christopher and Huissoon, Jan. Localization in urban environments by matching ground level video images with an aerial image // ICRA, 2008.
14. Shorter, Nicholas and Kasparis, Takis. Automatic Vegetation Identification and Building Detection from a Single Nadir Aerial Image // Remote Sensing? 2009.
15. Müller, Sönke and Zaum, Daniel. Robust building detection in aerial images // International Archives of Photogrammetry and Remote Sensing, 2005.
16. Cote, M and Saeedi, P. Automatic Rooftop Extraction in Nadir Aerial Imagery of Suburban Regions Using Corners and Variational Level Set Evolution // IEEE Transactions on Geoscience and Remote Sensing, 2013.
17. Chunming, Li, et al. Distance Regularized Level Set Evolution and Its Application to Image Segmentation // IEEE Transactions on Image Processing, 2010.
18. Izadi, Mohammad and Saeedi, Paravaneh. Automatic Building Detection in Aerial Images using a Hierarchical Feature Based Image Segmentation // Pattern Recognition (ICPR), 2010.
19. Comaniciu, Dorin and Meer, Peter. Mean shift: a robust approach toward feature space analysis // IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002.
20. Frette, Olav and Virnovsky, George. Estimation of the curvature of an interface from a digital 2D image // Computational Materials Science 44, 2009.
Рецензия
Для цитирования:
Попп М., Гранахер Р., Троммер Г. Автоматическое распознавание зданий сложной формы при навигации микролетательных аппаратов. Гироскопия и навигация. 2014;22(4):99-110. https://doi.org/10.17285/0869-7035.2014.22.4.099-110
Просмотров:
26
JATS XML
Послать статью по эл. почте 