Автореферат (Расширение условий функционирования систем визуальной навигации автономных беспилотных летательных аппаратов), страница 3

Так, если плотность распределения задана в параметрическом виде (например,закон распределения нормальный и известны МО и СКО), то в правила, соответствующиеэтим плотностям, будут заложены параметры или способы их изменения при измененииусловий.На практике форма плотности распределения (закон распределения) не известна заранее,что делает невозможным использование параметрических методов. В таком случае применяютнепараметрические методы.Если плотность построена непараметрическими методами, то в правилах хранятсяплотности распределения в виде матриц, а при изменении условий наблюдения будетпроизводиться взвешенная сумма значений матриц сработавших правил.Следует отметить, что в базе знаний могут храниться правила обоих типов.

Поэтомуформирование адаптивной плотности должно производиться в три этапа:1) для плотностей, заданных не параметрически, - получение значений при текущемзначении признака,2) для плотностей, заданных параметрически, – расчет значений для текущегозначения признака,3) расчет взвешенной суммы всех значений.Рассмотрим подробнее реализацию п.2 Методики (рисунок 3) с помощью алгоритмаформирования адаптивных описаний.10Алгоритм формирования адаптивных описаний состоит из семи блоков. При этомсчитается, что ФП и БЗ были сформированы и заложены в память БЛА заранее.В блоке 1 алгоритма производится получение значений анализируемых условийнаблюдения – .В блоках 2-6 происходит перебор всех правил БЗ.В блоке 3 значения условий наблюдения фаззифицируются, т.е.

считаютсясоответствующие ФП (()). В результате для каждого правила получается набор пар вида{время года = "Лето"; лето = 0.6}{время суток = "Вечер"; вечер = 0.4}.Логические операции над посылками правил производятся в блоке 4.В заключении цикла обработки правил в блоке 5 рассчитывается достоверность правила,которая вместе с заключением правила (эталонной плотностью соответствующего правила)аккумулируется в памяти.В блоке 7 происходит формирование адаптивной плотности на основе аккумулированныхзначений (вычисляется поэлементная взвешенная сумма эталонных плотностей по формуле(1)).Важным вопросом является проблема построения системы хранения знаний.

Классическимрешением этой проблемы является использование БЗ, в которых пользователь размещает всюнеобходимую (с экспертной точки зрения) информацию в наиболее удобном для дальнейшегоприложения виде.Отметим, что поскольку фреймы могут включать в себя процедуру вывода, не требуетсяотдельной машины логического вывода. То есть логический вывод может быть реализованотдельными фреймами, что обеспечивает гибкость при построении базы знаний.Само представление заключается в том, что фреймом является каждое отдельное условиенаблюдения и ОИ. Каждый фрейм содержит список слотов (атрибутов) фрейма.

Слотыфрейма-условия содержат степени достоверности соответствующих условий, полученныеметодами нечёткого вывода. Фреймы-объекты содержат наборы правил выбора эталона.Также каждый фрейм-объект имеет процедуру, реализующую процедуру нечеткого выбора. Впроцессе наблюдения определяется принадлежность текущего условия наблюдения кимеющимся фреймам-условиям, и для каждого фрейма-объекта формируетсярезультирующий эталон, адаптированный под конкретные условия.На рисунке 4 представлен пример набора правил, реализованных в виде фреймов.Объект 1Время сутокВремя<утро><день><вечер>Время годаДата<Лето>, <Утро> => Эталон 1<Лето>, <Вечер> => Эталон 2<…>,<…> => Эталон NРезультирующийэталонВыводОбъект 2<зима><весна><лето><осень><Лето>, <Утро> => Эталон 1<Лето>, <Вечер> => Эталон 2<…>,<…> => Эталон NРезультирующийэталонВыводРисунок 4.

Пример применения фреймов для представления адаптивных описаний11В третьей главе рассматривается проблема навигации автономных БЛА намалоинформативных участках местности (малоинформативных полях).Задача визуальной навигации БЛА решается путем обнаружения на текущих изображенияхучастков местности или ориентиров = (1 , 2 , … , , … , ) с известными координатами иоценки положения системы наблюдения БЛА относительно этих ориентиров.Малоинформативными могут быть подстилающие поверхности с однородными текстурами(например, лес, поле, водная поверхность и пр.), которые не содержат характерных участковили информативных ориентиров и дают неоднозначную оценку положения.Информативность ориентира можно рассчитать следующим образом (по Шеннону): = ( ) − ( | ),(2)где = 1, … , , … , – индекс рассматриваемого ориентира; ( ) – начальная энтропияоценки присутствия БЛА в области ; ( | ) – энтропия (конечная) оценки присутствияБЛА в области после привязки к ориентиру .Так как при сравнительной оценке информативности различных ориентировпредполагается, что начальная энтропия в (2) постоянна, то информативность ориентировопределяется конечной энтропией ( | ).

В соответствии с некоторой поставленной ЦЗдолжна быть задана допустимая конечная энтропия доп ( |0 ) определения координат БЛА.С учетом (2) получим следующие условия:1. Если доп ( |0 ) ≥ ( | ),(3)то является информативным (достаточно) ориентиром.2. Если доп ( |0 ) < ( | ) < ( ),(4)то является малоинформативным ориентиром.3. Если( | ) = ( ),то не содержит полезной (с точки зрения решаемой задачи) полезной информации и неможет использоваться в качестве ориентира.Необходимо отметить, что условие доп ( |0 ) < ( )(5)показывает, что допустимая конечная энтропия меньше начальной, т.е. текущая точностьоценки координат БЛА не соответствует (хуже) требуемой.При выполнении условия доп ( |0 ) ≥ ( ),(6)оценка координат БЛА не требуется.Рассмотрим ситуацию, когда выполняется условие (4).

Данная ситуация соответствуетполету БЛА над малоинформативной местностью.Для оценки положения (при наличии малоинформативных ориентиров) предлагаетсялокализовать местоположения БЛА и определить направление полета на болееинформативные ориентиры.Методика формирования описаний сцен состоит из следующих этапов:1. Поиск, обнаружение, распознавание объектов интереса (ОИ).2. Выделение атрибутов объектов. Атрибутами ОИ могут быть размеры, форма, текстураповерхности и пр.123. Определение отношений между ОИ. Например, пространственные отношения,характеризующие взаимное расположение объектов; каузальные отношения, определяющиепричинно-следственные связи, и др.;4. Формирование описания исследуемой сцены или фрагментов ЦКМ.Для определения общей структуры описаний предлагается использовать один из видовсемантических моделей - онтологию.В основе данной структуры лежит понятие «Сцена», описывающее текущую наблюдаемуюсцену.

Непременными классами, входящими в состав «Сцены», являются «Объекты»,находящиеся на ней, их «Атрибуты» и «Отношения».В свою очередь, «Отношения», «Объекты» и «Атрибуты» связаны с текущими условияминаблюдения («Условия наблюдения») отношением «ограничивается». За счет этого вописаниях используется ограниченный набор объектов, атрибутов и отношений, актуальныхдля текущих условий. Например, для определенных регионов или времени сутокиспользование некоторых объектов не целесообразно.Таким образом, в классе «Сцена» происходит определение наблюдаемых объектов (потекущему изображению), их свойств и отношений между ними на основе соответствующихклассов. Однако процесс описания может быть последовательным, т.е. при описанииатрибуты и описания объектов проверяются, согласно некоторой заложенной заранееиерархии (принцип иерархичности).В работе предлагается определенный формат описания.В качестве примера рассмотрим описание 1-го уровня некоторой сцены, на которойприсутствуют следующие классы объектов: дорога - О(1), обочина – О(2), лес – О(4); «1» индекс объекта в описании:Ds( «1»(O(1)) ^ «2» (O(2))^ «3»(O(4)) ).Предикат Ds обозначает начало описания.

На данном уровне показано, какие объекты («1»,«2», «3») и каких классов (дорога, обочина, лес) присутствуют на сцене. Предикат О(.)указывает на класс объекта. В данном описании рассматриваются только малоинформативныеобъекты. Класс объекта задается в скобках: 1 – дорога, 2 – обочина, 3 – поле, 4 – лес.Расширение описания производится за счет добавления предикатов (соответствующихатрибутов) в описание объектов.Пример описания 2-го уровня:Ds( «1» (O(3)^G([«северо-запад»])) ),где предикат G задает атрибут положения объекта «1» класса 3 (поле).Далее в работе предлагается алгоритм навигации по малоинформативным объектам, атакже алгоритм планирования поиска информативных участков (рисунки 5 и 6).До запуска алгоритма необходимо произвести предварительный анализ ЦКМ и априорнойинформации о положении БЛА.

На этом этапе строится распределение вероятностинахождения аппарата в различных местах карты. При отсутствии априорной информации опараметрах полета БЛА (и предыдущих координатах) его текущее положение принимаетсяравновероятным для всех участков карты.13На основании оценок вероятностей рассчитывается априорная энтропия положения БЛА 0 ( ).ВходВ блоке 1 алгоритма производится приемтекущегоизображенияиобнаружение1. Обнаружениемалоинформативных ориентиров (ОИ), обнаружениеОИили необнаружение которых позволит уменьшить6.Уточнить2. Описаниеэнтропию 0 ( ).описаниесценыВ блоке 2 производится анализ (формирование3. Сравнение сописаний) наблюдаемой сцены. Описание будетЦКМ5. Можнозаключаться в выявлении атрибутов и отношенийуточнитьописаниемежду объектами. Различные наборы атрибутов инет4.

доп ( |0 ) ≥отношенийсоответствуютразномууровню( | )(детализации) описания.7. ПланированиедаВ блоке 3 происходит сравнение описаниймаршрутатекущей сцены с аналогичными описаниями ЦКМ.ВыходВ результате сравнения принимается решение оРисунок 5. Алгоритм визуальнойнавигации по малоинформативнымсовпадении (похожести) описаний. Если описанияориентирампохожи,тогдасоответствующаягипотезасохраняется в памяти как возможная гипотезаположения.Для сравнения описаний в работе предлагается использовать расстояние Хемминга (d), т.е.рассчитывать количество несовпадающих элементов в описаниях сравниваемых сцен поформуле = ∑ (7)=1| − | ,где i, j – индексы сравниваемых описаний; – количество параметров в описании; , –сравниваемые параметры описания,1, если = | − | = {.0, если ≠ Результатом работы блока 3 является набор гипотез возможного положения БЛА и текущийуровень энтропии ( ).В блоках 4 и 5 происходит проверка условий.

В блоке 4 проверяется условие выполненияЦЗ – условие (3).Если условие выполнено, работа алгоритма завершается. Если условие не выполнено,алгоритм переходит в блок 5. В блоке 5 проверяется возможность уточнения описания. Еслиописание можно уточнить, алгоритм переходит в блок 6, в котором производится выбор(расширение существующих) атрибутов для дальнейшего описания сцены.Если более детальное описание невозможно, тогда алгоритм переходит к блоку 7 –планирование маршрута и выбор наиболее информативного направления полета.Планирование маршрута заключается в формировании дальнейшей стратегии полета БЛА,обеспечивающей гарантированное уменьшение энтропии.