Диссертация (Расширение условий функционирования систем визуальной навигации автономных беспилотных летательных аппаратов), страница 13
Описание файла
Файл "Диссертация" внутри архива находится в папке "Расширение условий функционирования систем визуальной навигации автономных беспилотных летательных аппаратов". PDF-файл из архива "Расширение условий функционирования систем визуальной навигации автономных беспилотных летательных аппаратов", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве МАИ. Не смотря на прямую связь этого архива с МАИ, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата технических наук.
Просмотр PDF-файла онлайн
Текст 13 страницы из PDF
Карта информативностей101Центр карты информативности направлений соответствует текущемуположению БЛА (положение круга на рисунках 3.10, 3.11). Остальные клеткисоответствуютвозможнымнаправлениямперемещенияотносительнотекущего положения (направления осей показаны на рисунке). Цвет клетокусловно обозначает информативность соответствующего направления (синий– минимальная информативность, красный - максимальная).В данном случае наиболее информативным было выбрано направление,соответствующеесмещению = 2, = 3относительнотекущегоположения.Выбранное направление соответствует полету БЛА в сторону дороги,которая является более информативным ориентиром. Дальнейший полетвдоль дороги позволит обнаружить достаточно информативные ориентиры –перекрестки, позволяющие определить положение БЛА с достаточнойточностью.Таким образом, при наличии достаточно информативных ориентиров вобласти достижимости БЛА предлагаемый подход позволяет решатьпоставленныенавигационныезадачидажеприполетенадмалоинформативными навигационными полями.102ИССЛЕДОВАНИЕ РАБОТОСПОСОБНОСТИ АЛГОРИТМОВ4.ВИЗУАЛЬНОЙ НАВИГАЦИИ БЛАЦелью данной главы является исследование работоспособностиразработанных подходов и алгоритмов: формирования адаптивных описаний объектов; анализанаблюдаемойсцены(сцельюнавигациипомалоинформативным ориентирам); выбора информативного направления полета.Для этого предполагается провести:1.Сравнение модельных и адаптивных описаний объектов интереса(ориентиров) (раздел 4.1).2.Сравнениекорреляционныхалгоритмовсопоставленияизображений и алгоритмов на основе адаптивных описаний (раздел 4.2).3.Оценкувероятностиошибокобнаруженияориентироввизменяемых условиях наблюдения (раздел 4.3).4.Исследование влияния ошибок обнаружения ориентиров наописание наблюдаемой сцены (раздел 4.4).5.Оценкуработоспособностиалгоритманавигациипомалоинформативным ориентирам (раздел 4.5).4.1.Сравнение модельных и адаптивных описаний объектовинтересаЦельюисследованияявляетсяподтверждениевозможностиформирования адаптивных описаний на основе нейронечетких систем.
Дляэтого необходимо произвести сопоставление описаний, полученных на основеиспользования нейронечетких систем и модельных описаний, полученных наоснове общих физических законов. В рассматриваемом случае подописаниямипонимаютсязависимостинекоторыххарактеристик103наблюдаемых объектов от условий наблюдения. В качестве объектов интересавыбраны площадные ориентиры лес и поле.Врамкахданногоисследованияпредполагаетсямоделироватьизменение времени суток и масштаба получаемого изображения (положениявиртуальной камеры по вертикальной оси).
Моделирование времени суток приэтом производится изменением положения источника света относительногеометрического центра наблюдаемой сцены.В качестве исследуемых характеристик используется статистикапервого порядка [31] для описания текстуры, т.е. математическое ожидание исреднеквадратическоеотклонениеяркостифрагментаизображенияповерхности.Методика эксперимента включает следующие этапы:1. Создание модели наблюдаемой сцены (в среде трехмерногомоделирования), содержащей объекты интереса: лес и поле.2. Настройкафрагментовпараметровизображенийусловий(квадратнаблюденияразмеромиполучение100x100пикс),анализируемых объектов.3.
Расчет значений МО и СКО для выделенных фрагментовизображений поверхностей.4. Изменение параметров условий наблюдения (этапы 2 и 3) взаданных диапазонах и построение описаний (МО и СКО) в зависимости отусловий наблюдения.5. Построение аналогичных описаний на основе нейронечеткойсистемы.6. Сравнение полученных зависимостей.СозданиепроизводилосьмоделивнаблюдаемойпрограммнойсредесценыUnity(этап[59].1UnityМетодики)—этопрофессиональный инструмент для разработки двух- и трёхмерныхграфических приложений, предоставляющий возможности простого и гибкогосоздания и редактирования трехмерных сцен (включая ландшафты,104расположенные на них объекты, источники света и др.), анимации объектов(например, изменения положения или формы) и моделей физическоговзаимодействия между объектами.
Приложения, созданные с помощью Unity,поддерживают графические библиотеки DirectX и OpenGL и позволяютмоделировать реалистичные изображения наблюдаемых сцен.В связи с этим данный инструмент был выбран в качестве основного дляпроведения текущего эксперимента.Следует отметить, что, несмотря на использование общих физическихзаконовпритрехмерноммоделировании,данныемоделиявляютсясущественно упрощенными и не могут быть использованы для полученияэталонных изображений или адаптивных описаний, однако они могут бытьиспользованы в качестве экспертных знаний при построении нечеткойсистемы формирования адаптивных описаний.Проект в Unity делится на сцены — отдельные файлы, содержащие своинаборы объектов, их параметры и сценарии взаимодействия. Сцены могутсодержать в себе как трехмерные модели объектов (ландшафты, деревья домаи др.), так и пустые объекты — объекты, которые не имеют модели (например,источники света или виртуальные камеры).105На рисунке 4.1 представлен интерфейс рабочего окна Unity.1.
Областьобъектов2. Областьредактирования сцены3. Окно свойствобъектов4. КонсольвыводаРисунок 4.1. Интерфейс рабочего окна UnityОкно разделено на четыре области:1.Область объектов – содержит иерархическую структуру сцены.2.Область редактирования сцены – позволяет добавлять, выбирать иизменять некоторые свойства объектов (положение на сцене и размер).3.Окно свойств объектов – позволяет управлять всеми свойствамиобъектов, а также сценариями их поведения.4.Консоль вывода – выводит сообщения о ходе работы программы.Для моделирования малоинформативных ориентиров «лес» и «поле»использовались стандартные инструменты Unity – редактор ландшафта и леса.Поле моделировалось как текстурированная поверхность ландшафта, лес - какмассив деревьев разной высоты, размещенный на ландшафте.Настройка параметров условий наблюдения (этап 2) заключается внастройке параметров соответствующих объектов модели (рисунок 4.2).106Так, настройка времени суток происходила за счет измененияположения направленного источника света (угол ) относительно центранаблюдаемой сцены.Настройка высоты происходила за счет изменения положениявиртуальной камеры (H) по вертикальной оси.Рисунок 4.2.
Параметры условий наблюденияВ таблице 4.1 показаны условия изменения параметров модели припроведении эксперимента.Таблица 4.1. Условия изменения параметров моделиПоложение источника светаВысота камерыДиапазонШаг0◦ - 90◦10◦100 – 700 м150 мПоложения источника света менялось от 0◦ до 90◦ с шагом 10◦. Высотаположения камеры изменялась в диапазоне от 100 м до 700 м с шагом 150 м.107На рисунках 4.3, 4.4 показаны полученные изображения фрагментовполя и леса при размещении камеры на высоте 100 м для положения источникасвета в диапазоне от 40◦ до 90◦ с шагом 10◦.50◦40◦80◦60◦70◦90◦Рисунок 4.3.
Моделирование объекта «поле»◦40◦80◦50◦60◦70◦90Рисунок 4.4. Моделирование объекта «лес»В соответствии с этапами 3, 4 Методики были получены зависимостиизменения МО и СКО изображений от условий наблюдения.108На рисунке 4.5, а, б представлены графики изменения МО и СКОяркостифрагменталесадлявсехусловийосвещенияивысоты,представленных в таблице 4.1.На рисунках 4.6, а, б представлены аналогичные графики изменения МОи СКО яркости фрагмента поля.По горизонтальной оси откладывается угловое положение источникасвета от 0◦ до 100◦ в масштабе 1:10◦. по вертикальной – значения МО.Цвет линий соответствует различной высоте положения камеры (от100м до 700м).109МОа) Изменение МО объекта «лес»СКОМОб) Изменение СКО объекта «лес»Рисунок 4.5. МО и СКО яркости объекта «лес»110МОа) Изменение МО объекта «поле»СКОМОб) Изменение СКО объекта «поле»Рисунок 4.6.
МО и СКО яркости объекта «поле»111Видно,чтоиз-заособенностейструктуры(пространственнойструктуры) изменение СКО при изменении направления источника света(времени суток) для объектов «лес», «поле» различаются.Результаты данных исследований были использованы при построениифункций принадлежности и правил нечеткой системы формированияадаптивных описаний (согласно методике, описанной в главе 2).На этапе 5 получены описания (зависимости МО и СКО) изображенийповерхностей лес и поле для различных условий наблюдения на основенейронечетких систем.На рисунке 4.7, а, б показаны зависимости изменения МО яркостиобъектов от положения источника света, полученные при моделировании всреде Unity и на основе работы нечеткой системы (адаптивное описание).112МОа) Изменение МО объекта «лес»МОб) Изменение МО объекта «поле»Рисунок 4.7. Сравнение результатов моделирования и работы нейронечеткойсистемы113Сравнение полученных результатов (этап 6) показывает качественноеподобие изменений МО исследуемых поверхностей.Из рисунков видно, что зависимости (для объекта «лес»), полученные наоснове использования нейронечетких систем, отличаются от результатовмоделирования (рисунок 4.6):- в диапазоне углов положения источника света- в диапазонеот 350 до 800- не более 6%;от 800 до 900- не более 8%.Наибольшие отклонения наблюдаются в диапазоне угловот 150 до 350- не более 12%.Зависимости (для объекта «поле»), полученные на основе использованиянейронечетких систем, отличаются от результатов моделирования (рисунок4.7):- в диапазоне углов положения источника светаот 100 до 900- не более 6%;Наибольшие отклонения наблюдаются в диапазоне угловот 00 до 100- не более 8%.Таким образом, зависимости характеристик исследуемых поверхностей(лес, поле) от изменяемых условий наблюдения, полученные на основенейронечетких систем, и результаты моделирования (в среде Unity)различаются не более чем на 12%.