Диссертация (Расширение условий функционирования систем визуальной навигации автономных беспилотных летательных аппаратов), страница 15

Повертикальнойосиотложенызначенияплотности(| , ),погоризонтальной – значения яркости.Плотности обозначены как:1 – лес;2 - поле;3 – дорога;(МО | )День120.1210.053050100150МОРисунок 4.11. Плотности распределения вероятностей яркостиобъектов интереса на сцене «День»Оценка вероятности появления ошибок обнаруженияРассмотрим распознавание типов подстилающей поверхности сиспользованием статистических методов.Как видно из представленных графиков на рисунке 4.11 («День»),плотность распределения вероятности яркости дороги (3) практически непересекается с плотностями леса (1) и поля (2).Пусть потери от ошибок обнаружения объектов21 = 12 = 0,5,а априорные вероятности появления объектов(1 ) = (2 ) = 0,5.123Следовательно, в данных условиях наблюдения распознавание дороги(относительно леса и поля) может быть реализовано по критерию Фишера.Вертикальная линия 1 на рис.

4.11 (в точке пересечения сгоризонтальной осью) соответствует пороговому значению коэффициентаправдоподобия 0 = 1.При обследовании наблюдаемой сцены значения яркости, лежащиеправее порога, следует отнести к поверхности типа «дорога», а лежащие левее– к другим типам поверхностей.В данной точке яркости для объектов 1, 2, 3(| , ) → 0, поэтомуошибки распознавания пренебрежимо малы.Распознавание леса и поля на данной наблюдаемой сцене («День»)затруднено. Плотности распределения яркостей леса и поля пересекаются,поэтому использование критерия Фишера приводит к появлению ошибокраспознавания.На рисунке 4.11 вертикальная линия 2 обозначает порог.

Точки, вкоторыхзначенияяркостейправее(выше)порога,принимаютсяпринадлежащими полю. В противном случае принимается, что точкапринадлежит лесу.Ошибки распознавания вычисляются по известным формулам [17].В рассматриваемом примере вероятность ошибки 21 ≅ 0,33, где 21 –индекс, обозначающий, что было принято решение о присутствии объекта 2(поле), а истинным является объект 1 (лес).Вероятность ошибки 12 ≅ 0,15 соответствует случаям, когда вместорешения «поле» принимается решение «лес».Аналогично, при распознавании поверхностей на сцене «Вечер 01»(рисунок 4.12), если известны соответствующие плотности распределения,можно определить значения порогов и получить вероятности ошибокраспознавания (таблица 4.2).124Вечер 0112(МО | )110.120.0513050100МОРисунок 4.12. Плотности распределения вероятностей яркостиобъектов интереса на сцене «Вечер 01»Таким образом, на рассматриваемых сценах при распознавании типовповерхностей «лес» и «поле» будут присутствовать существенные значениявероятностей ошибок.

Вероятности ошибок могут быть уменьшены прииспользовании дополнительных признаков, например СКО яркости.Оценка вероятностей появления ошибок обнаружения объектов натекущей сцене с использованием эталонных плотностейРассмотрим ситуацию, когда для анализа предъявлена сцена «Вечер 02»(рисунок 4.13). Плотности распределения яркостей для этой сценынеизвестны.Если для распознавания использовать пороги, полученные для другихсцен («День» и «Вечер 01»), то ошибки распознавания могут статьнеприемлемыми (таблица 4.1).

Так, при использовании порога из сцены«День» для распознавания пары «лес - поле» вероятность ошибки ложнойтревоги практически приближается к единице, а при использовании порога,полученного для сцены «Вечер 01», вероятность ошибки пропуска целипревышает значение 0,6.Таким образом, использование порогов, полученных для эталонныхописаний «День», «Вечер 01», для распознавания объектов на сценах с125измененными условиями наблюдения (сцена «Вечер 02») приводит ксущественному увеличению ошибок обнаружения.Построение нечеткой системы и формирование адаптивногоописанияТак как по условиям рассматриваемой задачи сцена «Вечер 02»предъявляется только для получения текущей информации и принятиярешения, то эта информация не может использоваться для оценки параметровискомых плотностей распределения.В то же время известны плотности распределения, соответствующиеэталонным описаниям «День», «Вечер 01».Используем технологию получения искомых описаний по описаннойранее методике раздел 2.1.Для расчета новых порогов необходимо сформировать плотности дляусловий сцены «Вечер 02».

Рассмотрим задачу формирования адаптивныхплотностей «Лес», «Поле», «Дорога» в изменяемых условиях наблюдения. Таккак плотности в данном случае представлены в параметрическом виде,адаптация будет производиться за счет подстройки МО и СКО.Так как заданы две эталонные сцены «День», «Вечер 01», следовательно,в качестве условий наблюдения будет рассматриваться время суток, а базазнаний нечеткой системы, будет состоять из двух правил:If время = «День», THEN плотность = «День»If время = «Вечер», THEN плотность = «Вечер 01»Сцена «Вечер 02» была получена (условно) в 16:00. Следовательно,функция принадлежности условия – «время суток» = «День» примет значениедень = 0,3, а функция принадлежности условия «время суток» = «Вечер»примет значение вечер = 0,7.Параметры адаптированных плотностей будут рассчитываться последующим формулам:МО = МОдень ∗ день + МОвечер ∗ вечер ,126СКО = СКОдень ∗ день + СКОвечер ∗ вечер ,На рисунке 4.13 показаны истинные (1, 2, 3) и адаптивные (1 , 2 , 3 )плотности распределения яркостей объектов «лес», «поле», «дорога».(МО | )221331МОРисунок4.13.Плотностираспределениявероятностейяркостиподстилающих поверхностей для сцены «Вечер 02»Будем считать, что истинные плотности распределения полученынепосредственноизАппроксимированныесмоделированногоплотностиизображенияполученыв(рисунокрезультате4.10).расчетасиспользованием параметров эталонных описаний.Из рисунков видно, что адаптированные и истинные плотности близки,а их пороги различаются незначительно и не приведут к существеннымошибкам обнаружения объектов «лес», «поле», «дорога».В таблице 4.2 представлены вероятности ошибок распознаванияповерхностей на сценах «День», «Вечер 01», «Вечер 02».

При этом на сцене«Вечер 02» распознавание проводилось с тремя группами порогов.Два варианта распознаваний (строки, выделеные курсивом) реализованыс использованием порогов, полученных из эталонных описаний.Последняя строка таблицы 4.2, выделенная жирным шрифтом,показываетошибкираспознавания,полученныеприиспользовании127предлагаемой методики определения параметров плотностей распределениявероятностей яркости.Таблица 4.2.

Вероятности ошибок распознавания поверхностейПропуск целилес-поле«День»Ложная тревогаполе-дорогалес-поле-дорога-дорога-лесполедорогалес0,3300,0020,150 0«Вечер 01»0,42600,0040,2180 0«Вечер 02» (плотности «День»)0,028000,9780,037 0,0420,6020,0930,0570,0410 00,45600,00020,1360,0007 0,0009«Вечер 02»(плотности «Вечер01»)«Вечер 02» (на основе адаптивнойплотности)На основе данных таблицы 4.2 можно рассчитать потери от ошибокобнаружения i-го объекта ( ): = ∑ ∗ ,где – потери от ошибок обнаружения объекта j; - вероятности ошибокобнаружения.В таблице 4.3 показаны оценки потерь, связанных с ошибкамиобнаружения при = 0,5.Таблица 4.3.

Потери ошибок обнаруженияПотерилесполедорога«День»0,2400,001«Вечер 01»0,31500,0023«Вечер 02» (плотности «День»)0,50,0150,021«Вечер 02» (плотности «Вечер 01»)0,310,0460,028«Вечер 02» (на основе адаптивной плотности)0,2500,0001При использовании адаптивного эталона (плотности) потери отошибок обнаружения (распознавания) объекта «лес» уменьшаются:128- по сравнению с эталоном «День» - на 50%;- по сравнению с эталоном «Вечер 01» - на 24%.Прииспользованииадаптивногоэталона(плотности)дляобнаружения объектов «поле» и «дорога» потери обнаружения приближаютсяк нулю.Таким образом, анализ результатов показывает, что использованиепредлагаемой методики формирования адаптивных плотностей существенноснижает общие потери от ошибок обнаружения объектов подстилающейповерхности.4.4.Исследование влияния ошибок обнаружения ориентиров наописание наблюдаемой сценыЦелью эксперимента является оценка влияния ошибок обнаружениямалоинформативныхориентиров,связанныхсизменениемусловийнаблюдения, на описание сцены (используемое в алгоритме навигации помалоинформативным ориентирам).Методика эксперимента состоит из следующих этапов:1.Получение изображения текущей сцены.2.Распознаваниесцены(обнаружениеобъектовсцены)сиспользованием эталонных и адаптивных плотностей.3.Оценка вероятностей ошибочного описания сцены.4.Выбор фрагментов на текущей сцене.5.Получение описаний фрагментов и сравнение с исходнымописанием.Под исходным понимается описание, полученное для фрагмента карты,соответствующего тестовой сцене.На рисунке 4.14 представлена текущая сцена с малоинформативнымиОИ.129Рисунок 4.14.

Тестовое изображениеДля обнаружения объектов сцены будут использоваться плотностираспределения,полученныенаосновеэталонныхизображений,иадаптированная плотность для текущих условий.В качестве эталонов были смоделированы изображения одного и того жеучастка местности, в одно и то же время года, в разное время суток. Изменениевремени суток условно моделировалось изменением яркости и контрастности.Примем, что первый эталон, условно полученный в 12:00, соответствуетусловию «время суток» = «Утро»; второй, полученный условно в 18:00 условию «время суток» = «Вечер».